针对低剂量CT图像质量退化问题,提出了一种基于投影域数据恢复的低剂量CT优质重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影域数据转化Gaussian型分布,然后利用针对Anscombe变换的Gaussian型数据进行自适应Block-...针对低剂量CT图像质量退化问题,提出了一种基于投影域数据恢复的低剂量CT优质重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影域数据转化Gaussian型分布,然后利用针对Anscombe变换的Gaussian型数据进行自适应Block-Matchingand 3D filtering(BM3D)滤波,最后通过对Anscombe逆变换数据执行传统的滤波反投影(Filtered Back Projec-tion,FBP)CT重建。由于Anscombe变换数据的方差已知,且所用BM3D滤波无需人工设置滤波参数,使得方法可实现自适应低剂量CT图像重建。仿真和临床低剂量CT数据的实验表明,方法具有良好的重建鲁棒性,其重建图像的噪声和伪影可同时得到有效抑制。展开更多
目的:低剂量CT重建已成为CT成像的研究热点,针对低剂量CT成像质量退化问题,本文对两种基于Anscom-be变换域滤波的低剂量CT重建方法进行了讨论比较。方法:这两种方法分别为基于投影数据非单调性全变分最小恢复的低剂量CT重建方法和基于...目的:低剂量CT重建已成为CT成像的研究热点,针对低剂量CT成像质量退化问题,本文对两种基于Anscom-be变换域滤波的低剂量CT重建方法进行了讨论比较。方法:这两种方法分别为基于投影数据非单调性全变分最小恢复的低剂量CT重建方法和基于自适应模块匹配三维滤波低剂量CT重建方法。二者皆首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后再对变换后的Gaussian型数据分别进行非单调性全变分最小化算法(Nonmonotone Total Variation Minimization,NTVM)滤波和自适应模块匹配三维(Block-Matching and 3D,BM3D)滤波,最后再分别对Anscombe逆变换数据实现传统的滤波反投影(Filtered Back Projection,FBP)CT重建;我们通过数字体模仿真实验对两种方法分别进行了定性和定量比较分析。结果:实验结果表明,两种方法均能有效去除噪声、抑制伪影、提高低剂量CT重建图像质量。结论:BM3D滤波无需人工设置滤波参数,可实现自适应低剂量CT图像重建;重建时间方面,基于投影数据非单调性全变分最小恢复的低剂量CT重建方法更有优势。展开更多
为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变...为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法(Nonmonotone Total Variation Minimization,NTVM)滤波,最后对Anscombe逆变换数据实现传统的滤波反投影(Filtered Back Projection,FBP)CT重建.仿真和临床低剂量CT重建实验表明,本文方法在噪声清除、伪影抑制和缩短重建时间等方面均有上佳表现.展开更多
Poisson-Gaussian noise is the basis of image formation for a great number of imaging systems used in variety of applications, including medical and astronomical imaging. In wavelet domain, the application of Bayesian ...Poisson-Gaussian noise is the basis of image formation for a great number of imaging systems used in variety of applications, including medical and astronomical imaging. In wavelet domain, the application of Bayesian estimation method with generalized Anscombe transform in Poisson-Gaussian noise reduction algorithm has shown remark- able success over the last decade. The generalized Anscombe transform is exerted to convert the Poisson-Gaussian noise into an additive white Gaussian noise （AWGN）. So, the resulting data can be denoised with any algorithm designed for the removal of AWGN. Here, we present simple form of minimum mean square error （MMSE） estimator for logistic distribution in Poisson-Gaussian noise. The experimental results show that the proposed method yields good denoising results.展开更多
文摘针对低剂量CT图像质量退化问题,提出了一种基于投影域数据恢复的低剂量CT优质重建方法。新方法首先通过非线性Anscombe变换将满足Poisson分布的投影域数据转化Gaussian型分布,然后利用针对Anscombe变换的Gaussian型数据进行自适应Block-Matchingand 3D filtering(BM3D)滤波,最后通过对Anscombe逆变换数据执行传统的滤波反投影(Filtered Back Projec-tion,FBP)CT重建。由于Anscombe变换数据的方差已知,且所用BM3D滤波无需人工设置滤波参数,使得方法可实现自适应低剂量CT图像重建。仿真和临床低剂量CT数据的实验表明,方法具有良好的重建鲁棒性,其重建图像的噪声和伪影可同时得到有效抑制。
文摘目的:低剂量CT重建已成为CT成像的研究热点,针对低剂量CT成像质量退化问题,本文对两种基于Anscom-be变换域滤波的低剂量CT重建方法进行了讨论比较。方法:这两种方法分别为基于投影数据非单调性全变分最小恢复的低剂量CT重建方法和基于自适应模块匹配三维滤波低剂量CT重建方法。二者皆首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后再对变换后的Gaussian型数据分别进行非单调性全变分最小化算法(Nonmonotone Total Variation Minimization,NTVM)滤波和自适应模块匹配三维(Block-Matching and 3D,BM3D)滤波,最后再分别对Anscombe逆变换数据实现传统的滤波反投影(Filtered Back Projection,FBP)CT重建;我们通过数字体模仿真实验对两种方法分别进行了定性和定量比较分析。结果:实验结果表明,两种方法均能有效去除噪声、抑制伪影、提高低剂量CT重建图像质量。结论:BM3D滤波无需人工设置滤波参数,可实现自适应低剂量CT图像重建;重建时间方面,基于投影数据非单调性全变分最小恢复的低剂量CT重建方法更有优势。
文摘为获取低剂量CT图像的优质重建,本文提出一种基于投影数据非单调性全变分恢复的低剂量CT重建方法.新方法首先通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,其后对变换后的Gaussian型数据进行非单调性全变分最小化算法(Nonmonotone Total Variation Minimization,NTVM)滤波,最后对Anscombe逆变换数据实现传统的滤波反投影(Filtered Back Projection,FBP)CT重建.仿真和临床低剂量CT重建实验表明,本文方法在噪声清除、伪影抑制和缩短重建时间等方面均有上佳表现.
文摘Poisson-Gaussian noise is the basis of image formation for a great number of imaging systems used in variety of applications, including medical and astronomical imaging. In wavelet domain, the application of Bayesian estimation method with generalized Anscombe transform in Poisson-Gaussian noise reduction algorithm has shown remark- able success over the last decade. The generalized Anscombe transform is exerted to convert the Poisson-Gaussian noise into an additive white Gaussian noise （AWGN）. So, the resulting data can be denoised with any algorithm designed for the removal of AWGN. Here, we present simple form of minimum mean square error （MMSE） estimator for logistic distribution in Poisson-Gaussian noise. The experimental results show that the proposed method yields good denoising results.
